近年来,我国城市化进程不断加快。随着智慧城市、智能交通等新兴概念的提出,个人与市场对于基于位置的服务(Location Based Services,LBS)的需求不断增加。伴随微电子技术的不断革新,智能手机芯片性能的不断提升,其内置MEMS传感器种类逐渐丰富,智能手机逐渐成为行人导航定位的可靠媒介,基于智能手机的行人导航定位技术也成为了导航领域中一个重要的新兴分支。本文以智能手机为基础,进行室内外行人无缝导航定位系统的研究与实现工作。论文首先分析了行人定位技术的国内外研究现状,结合智能手机定位研究的关键技术,根据现有的研究基础及技术难点,提出了以智能手机为平台的室内外无缝导航算法。依靠基于WIFI信号的优化AdaBoost算法实现室内外环境判别,从而选取对应的室内或室外定位方法,并设计了室内外定位模式的无缝切换。针对室内无法使用卫星定位的问题,研究了UWB与WIFI辅助惯性传感器的定位方法,满足不同成本下的不同定位精度需求。针对手机内置低成本惯性传感器零偏变化快、误差易发散的特性,本文对其进行了误差特性分析,提出了优化行人航位推算算法,与传统捷联惯性导航算法及磁航向辅助算法相对比,本算法抑制了定位结果的快速发散,解决了短时间内行人的室内定位问题。针对有限成本下的高精度室内导航需求,本文将扩展卡尔曼滤波引入了UWB定位与PDR的组合导航算法中,实现了优化配置的UWB设备与PDR定位结果的扩展卡尔曼滤波,对PDR的航向及位置进行了修正。针对商场超市等室内环境的低成本定位需求,本文深入研究了基于WIFI指纹的航向优化K最近邻算法,实现了低成本的行人室内定位。考虑到WIFI信号易受环境因素影响导致定位结果发生异常跳变,本文引入了无迹卡尔曼滤波算法,采用WIFI指纹信息与PDR结果进行无迹卡尔曼滤波,实现对WIFI指纹定位结果的修正与平滑。为实现室内外环境的准确判别,以提高室内外无缝定位的整体性能,本文深入研究了室内外环境判别技术,引入机器学习中的AdaBoost算法并对其进行优化,依靠学习算法实现基于WIFI信号的室内外判别,从而实现了室内外导航模式的智能选择,提升了整体的定位效果。最后,本文基于Eclipse环境进行Android程序开发,实现了基于智能手机惯性传感器的室内定位,基于WIFI的定位优化及基于AdaBoost算法的室内外判别方法,完成了一套手机室内外无缝导航定位软件。通过室内外长时间行走实验进行评估,证明了算法的有效性及工程化的可行性。